融合双特征图信息的图像显著性检测方法
目的 图像的显著性检测是将图像中最重要的、包含丰富信息的区域标记出来,并应用到图像分割、图像压缩、图像检索、目标识别等重要领域.针对现有研究方法显著性目标检测结果不完整以及单一依靠颜色差异检测方法的局限性,提出一种综合图像底层颜色对比特征图和图像颜色空间分布特征图的显著性检测方法,能够有效而完整地检测出图像中的显著性区域.方法 本文方法结合了SLIC超像素分割和K-means聚类算法进行图像特征的提取.首先,对图像进行SLIC (simple linear iterative clustering)分割,根据像素块之间的颜色差异求取颜色对比特征图;其次,按照颜色特征对图像进行K-means聚类,依据空间分布紧凑性和颜色分布统一性计算每个类的初步颜色空间分布特征.由于聚类结果中不包含空间信息,本文将聚类后的结果映射到超像素分割的像素块上,进一步优化颜色空间分布图;最后,通过融合颜色对比显著图和图像颜色空间分布特征图得到最终的显著图.结果 针对公开的图像测试数据库MSRA-1000,本文方法与当前几种流行的显著性检测算法进行了对比实验,实验结果表明,本文方法得到的显著性区域更准确、更完整.结论 本文提出了一种简单有效的显著性检测方法,结合颜色对比特征图和图像颜色空间分布特征图可以准确的检测出显著性区域.该结果可用于目标检测等实际问题,但该方法存在一定的不足,对于背景色彩过于丰富且与特征区域有近似颜色的图像,该方法得到的结果有待改进.今后对此算法的优化更加侧重于通用性.
显著性检测、简单线性迭代聚类(SLIC)、超像素分割、K-means聚类、颜色对比度、空间分布性
23
TP751.1(遥感技术)
National Natural Science Foundation of China61602138,61472111;Natural Science Foundation of Zhejiang Province,China LQ16F020005,LR16F020003国家自然科学基金项目61602138,61472111;浙江省自然科学基金项目LQ16F020005;浙江省杰出青年自然科学基金项目LR16F020003;浙江大学CAD&CG国家重点实验室开放课题基金项目A1703
2018-06-04（万方平台首次上网日期，不代表论文的发表时间）
共12页
583-594
